پیش بینی نرخ رشد بخش کشاورزی ایران (مقایسه ی روش های تک متغیره و چند متغیره)

سیاست گزاران و برنامه‏ریزان اقتصادی در تلاش اند تا متغیرهای موثر بر رشد بخش کشاورزی را مدل سازی کنند و از این مدل­ها در فرآیند پیش­بینی استفاده نمایند. امروزه پیش­بینی به عنوان یک ابزار مهم برنامه­ریزی برای سیاست گزاران اقتصادی به شمار می‏رود و روش های متنوعی برای پیش­بینی متغیرهای اقتصادی مورد استفاده قرار می­گیرد. این پژوهش نرخ رشد بخش کشاورزی ایران را پیش­بینی و دقت روش های تک متغیره و چند متغیره را در پیش­بینی این متغیر مقایسه می‏کند. روش های مورد استفاده در این تحقیق عبارت است از هموارسازی نمایی منفرد با روند، هموارسازی نمایی دوگانه با روند، الگوریتم هالت-وینترز تجمعی، الگوریتم هالت-وینترز ضربی، الگوی خودتوضیح جمعی میانگین متحرک، الگوی خودتوضیح برداری و شبکه­های عصبی مصنوعی تک متغیره و چند متغیره. بر اساس یافته­های پژوهش، شبکه­های عصبی مصنوعی، هموارسازی نمایی منفرد و دوگانه با روند در مقایسه با دیگر تکنیک­های تک متغیره ی به کار گرفته شده در این تحقیق بهترین پیش­بینی را ارایه داد. سرانجام در روش های چند متغیره نیز دقت و کارآیی پیش­بینی شبکه­های عصبی مصنوعی در مقایسه با الگوی رقیب خودتوضیح برداری بهتر بود.